本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

创建自动推理策略

创建自动推理策略时，您的源文档会被转换为一组形式逻辑规则以及变量和类型的架构。本页将引导您完成准备文档、创建策略和查看结果的过程。

Amazon Bedrock 使用 AWS Key Management Service（KMS）对自动推理策略进行加密。默认情况下，Amazon Bedrock 使用服务拥有的密钥。您可以选择指定客户自主管理型 KMS 密钥，以进一步控制策略数据的加密。

要测试和使用您的自动推理策略，请确保您拥有相应的权限。

准备您的源文档

在打开控制台或调用 API 之前，请准备好自动推理用于提取规则和变量的文档。您的保单的质量直接取决于此输入的质量。

文件结构和清晰度

自动推理检查最适合处理包含清晰、明确规则的文档。每条规则都应说明条件和结果。避免使用文档中不存在的模糊语言、主观标准或依赖外部上下文的规则。

示例：明确规则与模糊规则

大小限制和拆分大型文档

源文档的大小限制为 5 MB 和 50,000 个字符。文档中的图像和表格也计入字符数限制。

如果您的文档超过了这些限制，或者它涵盖了多个不相关的域，请将其拆分为重点部分。例如，将员工手册拆分为休假政策、福利资格和费用报销的单独文件。使用第一部分创建您的策略，然后使用迭代策略构建（将在本页稍后介绍）将其他部分合并到同一个策略中。

预处理复杂文档

包含大量样板、法律免责声明或与您要执行的规则无关的内容的文档将产生带有不必要变量和规则的嘈杂政策。在上传之前，请考虑：

（可选）使用 LLM 将文档重写为逻辑规则

对于包含叙事散文、法律语言或复杂格式的文档，请考虑使用具有高级推理功能的前沿模型将内容重写为清晰、合乎逻辑的规则，然后再将其上传到自动推理检查。这个一次性的预处理步骤将文本转换为自动推理检查可以更准确地从中提取的格式，从而生成更高质量的策略，减少未使用的变量和裸露的断言。

LLM 预处理有两种方法，具体取决于文档的复杂性以及您想要对提取的控制程度。

方法 1：纯文本规则提取

让 LLM 将文档重写为 if-then 规则的编号列表。这种方法很简单，适用于源代码中规则相对清晰的简短、重点突出的文档。

提示示例：

You are a logical reasoning expert. Your task is to analyze the provided
source text and rewrite it as a set of clear, logical rules using if-then
statements.

Instructions:
1. Extract the key relationships, conditions, and outcomes from the source text.
2. Convert these into logical implications using "if-then" format.
3. Use clear, precise language that captures the original meaning.
4. Number each rule for easy reference.
5. Ensure rules are mutually consistent and non-contradictory.

Format:
- Rule [N]: If [condition], then [consequence].
- Use "and" to combine multiple conditions.
- Use "or" for alternative conditions.
- Include negations when relevant: If not [condition], then [consequence].

Example:
Source: "Students who complete all assignments and attend at least 80% of
classes will pass the course."
Rule 1: If a student completes all assignments and attends at least 80% of
classes, then they will pass the course.

Source Text:
[Paste your document here]

方法 2：结构化规则提取

对于复杂或冗长的文档，可以让 LLM 将规则提取为结构化 JSON，并包含每条规则的元数据。这种方法可以生成更丰富的输出，可以帮助您审计每条规则来自文档的哪些部分、提取的可信度以及哪些规则是推断出来的，而不是直接陈述的。它还要求法学硕士生成理智规则——诸如 “年龄必须为非负数” 之类的常识性边界限制，这些限制直接转化为自动推理策略使用的边界规则。有关边界规则的更多信息，请参阅验证数值的范围。

提示示例：

You are a logical reasoning expert. Extract formal logical rules from the
provided text.

Output Format:
For each rule, provide:
- Rule ID: [unique identifier]
- Conditions: [ALL preconditions — preserve compound conditions with AND/OR/NOT]
- Consequence: [the outcome/action]
- Confidence: [high/medium/low based on text clarity]
- Source Reference: [quote or paraphrase from source]
- Rule Type: [explicit/implicit/sanity]

Critical Guidelines:
1. PRESERVE ALL CONDITIONS: Do not drop or simplify conditions.
2. PRESERVE LOGICAL OPERATORS: Maintain AND, OR, NOT relationships exactly.
3. PRESERVE QUANTIFIERS: Keep "all", "any", "at least", numeric thresholds.
4. PRESERVE EXCEPTIONS: Include "unless", "except when" clauses.
5. Make implicit conditions explicit only when clearly implied by context.
6. Use consistent terminology across rules.
7. Flag ambiguities such as unclear, incomplete, or contradictory statements.
8. Add sanity rules for common-sense constraints:
   - Numeric ranges (e.g., "age must be between 0 and 150")
   - Temporal constraints (e.g., "start date must be before end date")
   - Physical limits (e.g., "quantity cannot be negative")
   - Mutual exclusivity (e.g., "status cannot be both active and inactive")

Output Requirements:
- Produce final JSON only (no text or markdown).
- Use the following JSON keys:
  - "rules" for the rules array
  - "ambiguities" for the ambiguities array

Source Text:
[Paste your document here]

运行结构化提取后，查看 JSON 输出。要特别注意：

将经过审查的 JSON 规则转换为纯文本 if-then 语句，以便在创建自动推理策略时用作源文档。

写出有效的指令

在创建政策时，您可以提供可选说明，指导自动推理如何处理您的源文档。虽然是可选的，但好的说明可以显著提高提取的规则和变量的质量。

有效的说明应涵盖三件事：

示例指令：

This policy will validate HR questions about leave eligibility. The document
has sections on different leave types (parental, medical, bereavement, personal).
Users will ask questions like "Am I eligible for parental leave if I've worked
here for 9 months?" or "Can part-time employees take bereavement leave?"
Focus on the eligibility criteria for each leave type. Capture variables that
help determine whether an employee is eligible for a specific type of leave.

在控制台中创建策略

使用 API 创建策略

自动推理策略是您的 AWS 账户中由亚马逊资源名称 (ARN) 标识的资源。通过 API 创建策略的过程分为两步：首先创建策略资源，然后启动构建工作流程以从您的文档中提取规则。

步骤 1：创建策略资源

使用 CreateAutomatedReasoningPolicy API 创建策略资源。

示例：

aws bedrock create-automated-reasoning-policy \
  --name "MyHRPolicy" \
  --description "Validates HR chatbot responses about leave eligibility" \
  --kms-key-id arn:aws:kms:us-east-1:111122223333:key/12345678-1234-1234-1234-123456789012

示例响应：

{
  "createdAt": "2025-07-21T14:43:52.692Z",
  "definitionHash": "f16ba1ceca36e1d21adce559481add6a...",
  "name": "MyHRPolicy",
  "policyArn": "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk",
  "updatedAt": "2025-07-21T14:43:52.692Z",
  "version": "DRAFT"
}

步骤 2：启动生成工作流程以提取规则

使用第 1 步中带有策略 ARN 的 StartAutomatedReasoningPolicyBuildWorkflow API，从源文档中提取规则和变量。

示例：

# Encode your PDF to base64
PDF_BASE64=$(base64 -i your-policy.pdf | tr -d '\n')

# Start the build workflow
aws bedrock start-automated-reasoning-policy-build-workflow \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk \
  --build-workflow-type INGEST_CONTENT \
  --source-content "{
    \"policyDefinition\": {
      \"version\": \"1.0\",
      \"types\": [],
      \"rules\": [],
      \"variables\": []
    },
    \"workflowContent\": {
      \"documents\": [
        {
          \"document\": \"$PDF_BASE64\",
          \"documentContentType\": \"pdf\",
          \"documentName\": \"HR Leave Policy\",
          \"documentDescription\": \"Validates HR chatbot responses about leave eligibility. Users ask questions like 'Am I eligible for parental leave?'\"
        }
      ]
    }
  }"

示例响应：

{
  "policyArn": "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk",
  "buildWorkflowId": "d40fa7fc-351e-47d8-a338-53e4b3b1c690"
}

使用以下命令检查构建状态ListAutomatedReasoningPolicyBuildWorkflows：

aws bedrock list-automated-reasoning-policy-build-workflows \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk

查看提取的政策

生成完成后，在开始测试之前，请查看提取的策略定义。与稍后通过失败的测试发现问题相比，在此阶段发现问题可以节省时间。

在控制台中，打开您的策略并转到定义页面。通过 API，GetAutomatedReasoningPolicyBuildWorkflowResultAssets与一起使用--asset-type POLICY_DEFINITION来检索提取的定义--asset-type QUALITY_REPORT并检索质量报告。您可以使用--asset-type ASSET_MANIFEST参数查看工作流程中生成的资产的完整列表，例如保真度报告。

检查有无以下问题：

查看保真度报告

当您从源文档创建策略时，将在提取的策略旁边自动生成保真度报告。保真度报告衡量了政策代表您的来源内容的准确程度，并提供了将每条规则和变量与文档中的特定陈述联系起来的详细依据。有关保真度报告概念的更多信息，请参阅富达报告。

在控制台中查看保真度报告

在控制台中，打开您的策略并选择 “源文档” 选项卡（在 “定义” 旁边）。“源内容” 视图将从文档中提取的每条原子语句显示为表格中带编号的行。每行显示：

使用表格顶部的规则和变量下拉筛选器将重点放在基于特定规则或变量的语句上。使用搜索栏在提取的语句中查找特定内容。

如果您在初始提取后编辑策略（例如，通过修改规则或添加变量），请选择 “重新生成” 按钮来更新保真度报告，使其反映您当前的策略定义。

使用 API 查看保真度报告

GetAutomatedReasoningPolicyBuildWorkflowResultAssets与一起使用--asset-type FIDELITY_REPORT可检索保真度报告。要在更改策略后重新生成报告，请StartAutomatedReasoningPolicyBuildWorkflow使用生成工作流类型GENERATE_FIDELITY_REPORT并在generateFidelityReportContent字段中提供源文档。该工作流程根据当前的策略定义重新分析文档，并生成新的保真度报告。您还可以使用--asset-type SOURCE_DOCUMENT--asset-id参数从先前的构建工作流程中检索原始源文档（从资产清单中获取资产 ID）。

要查找的内容

查看来自的保真度报告时 APIs，请注意：

迭代策略构建

对于复杂的域名，请逐步制定策略，而不是尝试在单个文档上传中捕获所有内容。从规则的重点子集开始，创建并测试策略，然后在后续迭代中添加更多内容。

在控制台中添加内容

使用 API 添加内容

致电 StartAutomatedReasoningPolicyBuildWorkflowINGEST_CONTENT，将完整的当前政策定义与新文档一起传递。您必须包括完整的现有定义（规则、变量和类型），这样新内容才能与现有策略合并，而不是取而代之。

# First, retrieve the current policy definition
aws bedrock get-automated-reasoning-policy \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk

# Encode the new document
PDF_BASE64=$(base64 -i additional-rules.pdf | tr -d '\n')

# Start a build workflow with the existing definition + new document
aws bedrock start-automated-reasoning-policy-build-workflow \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk \
  --build-workflow-type INGEST_CONTENT \
  --source-content "{
    \"policyDefinition\": EXISTING_POLICY_DEFINITION_JSON,
    \"workflowContent\": {
      \"documents\": [
        {
          \"document\": \"$PDF_BASE64\",
          \"documentContentType\": \"pdf\",
          \"documentName\": \"Additional Benefits Rules\",
          \"documentDescription\": \"Additional rules covering medical and bereavement leave eligibility.\"
        }
      ]
    }
  }"

针对自动推理策略的 KMS 权限

如果您指定客户自主管理型 KMS 密钥来加密您的自动推理策略，则必须配置允许 Amazon Bedrock 代表您使用密钥的权限。

密钥策略权限

在您的 KMS 密钥策略中添加以下声明，以允许 Amazon Bedrock 将密钥用于自动推理策略：

{
  "Sid": "PermissionsForAutomatedReasoningPolicy",
  "Effect": "Allow",
  "Principal": {
    "AWS": "arn:aws:iam::111122223333:user/role"
  },
  "Action": [
    "kms:Decrypt",
    "kms:DescribeKey",
    "kms:GenerateDataKey"
  ],
  "Resource": "*",
  "Condition": {
    "StringEquals": {
      "kms:EncryptionContext:aws:bedrock:automated-reasoning-policy": [
        "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id",
        "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id:*"
      ],
      "kms:ViaService": "bedrock.us-east-1.amazonaws.com"
    }
  }
}

IAM 权限

您的 IAM 主体必须具有以下权限，才能将客户自主管理型 KMS 密钥用于自动推理策略：

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Sid": "AllowKMSForAutomatedReasoningPolicy",
      "Effect": "Allow",
      "Action": [
        "kms:Decrypt",
        "kms:DescribeKey",
        "kms:GenerateDataKey"
      ],
      "Resource": "arn:aws:kms:us-east-1:111122223333:key/key-id",
      "Condition": {
        "StringEquals": {
          "kms:EncryptionContext:aws:bedrock:automated-reasoning-policy": [
            "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id",
            "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id:*"
          ],
          "kms:ViaService": "bedrock.us-east-1.amazonaws.com"
        }
      }
    }
  ]
}

加密上下文

Amazon Bedrock 使用加密上下文为您的自动推理策略提供额外的安全保护。加密上下文是一组密钥值对，在加密和解密您的策略时用作额外的经过身份验证的数据。

对于自动推理策略，Amazon Bedrock 会使用以下加密上下文：